北京時(shí)間2月4日消息,運(yùn)動(dòng)相機(jī)廠商GoPro(Nasdaq:GPRO)周三發(fā)布了該公司截至2015年12月31日的第四季度及全年財(cái)報(bào)。財(cái)報(bào)顯示,GoPro第四季度營(yíng)收為4.36億美元,較上年同期的6.34億美元下滑31.1%;基于美國(guó)通用會(huì)計(jì)準(zhǔn)則(GAAP),歸屬于普通股股東的凈虧損為3445萬(wàn)美元,上年同期為凈利潤(rùn)1.22億美元,同比轉(zhuǎn)虧。
營(yíng)收:營(yíng)收為4.36億美元,較上年同期的6.34億美元下滑31.1%。
凈利潤(rùn)(虧損):基于GAAP,歸屬于普通股股東的凈虧損為3445萬(wàn)美元,上年同期為凈利潤(rùn)1.22億美元,同比轉(zhuǎn)虧。2015年第四季度每股攤薄虧損為0.25美元,上年同期每股攤薄收益為0.83美元。
基于非美國(guó)通用會(huì)計(jì)準(zhǔn)則(Non-GAAP),凈虧損為1140萬(wàn)美元,上年同期凈利潤(rùn)為1.45億美元。2015年第四季度每股攤薄虧損為0.08美元,上年同期每股攤薄收益為0.99美元。
營(yíng)業(yè)利潤(rùn)(虧損):基于GAAP,營(yíng)業(yè)虧損為4130萬(wàn)美元,上年同期營(yíng)業(yè)利潤(rùn)為1740萬(wàn)美元;基于Non-GAAP,營(yíng)業(yè)虧損為2160萬(wàn)美元,上年同期營(yíng)業(yè)利潤(rùn)為1930萬(wàn)美元。
股票回購(gòu):GoPro在第四季度回購(gòu)了約150萬(wàn)股A級(jí)流通股,平均回購(gòu)價(jià)格為23.05美元,投入約3560萬(wàn)美元現(xiàn)金。
現(xiàn)金:截至2015年12月31日,GoPro持有的現(xiàn)金、現(xiàn)金等價(jià)物和有價(jià)證券總額為為4.74億美元,高于上年年底的5200萬(wàn)美元。
營(yíng)收:2015財(cái)年?duì)I收為16.20億美元,較上年的13.94億美元增長(zhǎng)16.2%。
凈利潤(rùn)(虧損):基于GAAP,凈利潤(rùn)為3613萬(wàn)美元,較上年的1.28億美元下滑71.8%;每股攤薄收益為0.25美元,較上年凈的0.92美元下滑72.8%。
基于Non-GAAP,凈利潤(rùn)為1.12億美元,較上年的1.89億美元下滑40.9%;每股攤薄收益為0.76美元,較上年的1.32美元下滑42.4%。
2015年度,GoPro公司國(guó)際業(yè)務(wù)營(yíng)收在總營(yíng)收中的占比超過(guò)50%;亞太區(qū)和歐洲、中東和非洲的營(yíng)收同比增幅超過(guò)49%。
中國(guó)市場(chǎng)依舊是GoPro全球十大市場(chǎng)之一。
第四季度,GoPro移動(dòng)客戶(hù)端下載量達(dá)到275萬(wàn)次,總累計(jì)下載量約為2400萬(wàn)次。
GoPro Studio第四季度安裝總量達(dá)到近170萬(wàn)次,累計(jì)安裝次數(shù)超過(guò)1500萬(wàn)次,第四季度的日平均視頻輸出量超過(guò)49000個(gè)。
2016年第一季度:GoPro預(yù)計(jì),2016年第一季度營(yíng)收將在1.6億美元至1.8億美元之間。
2016年全年:2016全年的營(yíng)收將在13.5億美元至15億美元之間。
截至周三納斯達(dá)克股市收盤(pán),GoPro股價(jià)漲0.47美元,漲幅為4.59%,收于10.71美元。美股盤(pán)后市場(chǎng),GoPro股價(jià)重挫,截至美東時(shí)間2月3日下午17:21(北京時(shí)間2月4日早6:21),GoPro股價(jià)下跌1.07美元,重挫9.99%,暫報(bào)10.71美元。過(guò)去52周GoPro股價(jià)浮動(dòng)范圍:9.90美元-65.49美元。(編譯/若水)
好文章,需要你的鼓勵(lì)
這項(xiàng)研究提出了"高效探測(cè)"方法,解決了掩碼圖像建模AI難以有效評(píng)估的問(wèn)題。通過(guò)創(chuàng)新的多查詢(xún)交叉注意力機(jī)制,該方法在減少90%參數(shù)的同時(shí)實(shí)現(xiàn)10倍速度提升,在七個(gè)基準(zhǔn)測(cè)試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質(zhì)量與分類(lèi)性能的強(qiáng)相關(guān)性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應(yīng)性。團(tuán)隊(duì)承諾開(kāi)源全部代碼,推動(dòng)技術(shù)普及應(yīng)用。
伊利諾伊大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了CLAIMSPECT系統(tǒng),通過(guò)層次化分解復(fù)雜爭(zhēng)議、智能檢索相關(guān)文獻(xiàn)、多角度收集觀點(diǎn)的方法,將傳統(tǒng)的"真假"判斷轉(zhuǎn)變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動(dòng)構(gòu)建爭(zhēng)議話題的分析框架,識(shí)別不同觀點(diǎn)及其支撐證據(jù),為科學(xué)和政治爭(zhēng)議提供更全面客觀的分析,已在生物醫(yī)學(xué)和國(guó)際關(guān)系領(lǐng)域驗(yàn)證有效性。
清華大學(xué)研究團(tuán)隊(duì)首次提出情感認(rèn)知融合網(wǎng)絡(luò)(ECFN),讓AI能像人類(lèi)一樣理解和表達(dá)情感。該系統(tǒng)通過(guò)多層次情感處理架構(gòu),在情感識(shí)別準(zhǔn)確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達(dá)自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實(shí)現(xiàn)了跨模態(tài)情感融合、動(dòng)態(tài)情感追蹤和個(gè)性化情感建模,為醫(yī)療、教育、客服等領(lǐng)域帶來(lái)革命性應(yīng)用前景。
哈佛大學(xué)研究團(tuán)隊(duì)通過(guò)創(chuàng)新的多智能體強(qiáng)化學(xué)習(xí)方法,讓AI在戰(zhàn)略游戲中學(xué)會(huì)復(fù)雜推理。研究發(fā)現(xiàn)AI通過(guò)游戲競(jìng)爭(zhēng)能發(fā)展出類(lèi)人思維能力,在邏輯推理、創(chuàng)造性解決問(wèn)題等方面表現(xiàn)顯著提升。這項(xiàng)突破性成果為未來(lái)AI在醫(yī)療、教育、城市管理等領(lǐng)域的應(yīng)用奠定基礎(chǔ),展現(xiàn)了通過(guò)模擬人類(lèi)學(xué)習(xí)過(guò)程培養(yǎng)真正智能AI的新路徑。